• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 제13회 신호처리 합동 학술대회 논문집
• /
• pp.153-156
• /
• 2000

본 논문에서는 음성 인식률 향상을 위한 여러 가지방법들 중에서 음성특징 파라미터 추출 방법에 관한 한가지 방법을 제시하였다. 본 논문에서는 청각 특성을 기반으로 한 MFCC(met frequency cepstrum coef-ficients)와 성능 향상을 위한 방법으로 GFCC (gamma-tone filter frequency cepstrum coefficients)를 제시하고 음성 인식을 수행하여 성능을 분석하였다. MFCC에서 일반적으로 사용하는 임계 대역 필터로 삼각 필터(triangular filter) 대신 청각 구조의 기저막(basilar membrane)특성을 묘사한 gammatone 대역 통과 필터를 이용하여 특징 파라미터를 추출하였다. DTW 알고리즘으로 인식률을 분석한 결과 삼각 대역 필터를 이용한 것보다 gammatone 대역 통과 필터를 이용한 추출법이 약 2∼3%의 성능 향상을 보였다.

• 한국정보통신학회논문지
• /
• 제11권8호
• /
• pp.1596-1603
• /
• 2007

본 논문에서는 음성인식 시스템을 구현함에 있어 중요한 특징 파라미터와 학습, 인식 알고리즘의 선택을 위한 제안을 하기 위하여 각각 세 가지의 방법을 조합하여 인식 실험을 수행하고 검토하였다. 두 종류의 실험을 통하여 하드웨어 장치로 구현할 경우 보다 효과적인 음성 인식 시스템을 제안한다. 첫 번째로는 특징 파라미터의 성능을 평가하기 위하여 기존의 MFCC와 MFCC를 PCA와 ICA를 이용하여 특징 공간을 변화시킨 새로운 특징 파라미터를 제안하여 총 3종류의 특징파라미터에 대한 인식 실험을 수행하였으며, 두 번째로는 학습데이터 수에 따른 HMM, SVM, RVM의 인식 성능을 실험하였다. 이상의 실험에 의하여 ICA에 의한 특징 파라미터가 특징 공간상에서의 높은 선형 분별성에 의해 MFCC와 비교하여 평균 1.5%의 성능향상을 확인할 수 있었으며 학습데이터의 감소에 따른 인식실험에서는 HMM과 비교하여 RVM에서 최고 3.25%의 성능향상을 확인하였다. 이에 근거하여 TI사의 DSP(TMS320C32)를 사용하여 음성 인식기를 구현하여 실시간으로 실험하여 시뮬레이션과 비교하였다. 이와 같은 결과로서 본 논문에서 제안하는 음성인식시스템을 위한 효과적인 방법은 ICA를 이용한 특징 파라미터를 추출하고 RVM을 이용하여 인식을 수행하는 것이라 판단한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (2)
• /
• pp.550-552
• /
• 2003

패턴인식에서 사용되는 모든 영상을 해석할 수 있는 시스템은 현재 어려운 문제이므로 먼저문제 영역을 해석하는 방법이 일반적이다. 이는 영상의 이해 및 특정 정보값을 사용하여 특징으로 사용하기 위하여 특징을 추출한다. 특징 추출시 정보의 손실 없이 데이터를 줄이는 작업이 연구되어오고 있지만 이는 사람의 주관적인 경험으로 알고리즘의 내부 파라미터를 결정하고 바꾸어야 하는 문제점을 가지고 있다. 본 논문에서는 웨이블릿 변환으로 얻어진 sub-band들을 특징으로 추출하고 결과를 통계적인 방법인 주성분분석을 이용하여 특징 차원을 감소시켜 인식의 정확도를 향상시키는 방법을 제안한다.

• 한국정보통신학회논문지
• /
• 제18권9호
• /
• pp.2101-2108
• /
• 2014

영상 정보를 이용한 자동 낙상 감지 알고리즘을 제안한다. 자동으로 낙상을 감지하기 위한 낙상 특징 파라미터를 추출하기 위해서 영상정보를 광류 방식에 적용하여 움직임 값들을 추출하고 이 움직임 값들에 대한 전체적인 변화의 정도와 기울기, 중심점을 주성분 분석 방법으로 계산한다. 계산된 고유값과 고유 벡터를 사용하여 6가지 낙상 특징 파라미터를 정의한다. 이 낙상특징파라미터가 미리 정해둔 임계값을 초과하는 경우를 낙상으로 판단하는 단순 임계치 방법과 낙상특징파라미터를 은닉 마르코프 모델(Hidden Markov Model; HMM)에 적용시켜 낙상을 판단하는 방법과 단순임계치와 은닉 마르코프 모델을 결합한 낙상 감지 방법을 제안하고 그 결과를 비교 및 분석한다. 단순 임계치와 은닉 마르코프 모델을 결합한 방법은 단순임계치 방법으로 낙상 가능한 행동들을 결정하고 이 결정된 낙상 행동들만을 은닉 마르코프 모델을 적용하여 낙상을 감지한다. 이 방법은 계산량을 줄이면서 감지 정확도를 유지하는 결과를 보인다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2003년도 춘계학술대회 논문집
• /
• pp.148-153
• /
• 2003

본 논문에서는 심근허혈 질환을 효율적으로 분류하기 위한 신경망을 설계하였다. European ST-T DB의 심전도로부터 ST 분절의 특징을 추출하여 입력노드를 결정하고 10개의 학습률과 학습 횟수에 따른 신경망의 MES를 계산하였다. 실험 결과 특징 파라미터의 조합을 ST0, ST80, Slope, Area로 하였을 때 MSE를 가장 작았다. 이러한 특징 파라미터를 이용하여 신경망의 입력으로 학습시킨 경우 학습 횟수의 증가에 따라 MSE가 지수합수적으로 감소하였으며 1,000회 이상에서는 둔하게 감소하였다. 또한 학습 횟수가 5,000회, 10,000회, 15,000회 각각의 경우에 대하여 학습률을 0.01부터 0.7까지 증가시키면서 MSE를 계산한 결과 학습 횟수가 증가할수록 MSE를 최소로 하는 최적학습률이 0.1부터 0.04까지 감소하였다.

• 한국음향학회지
• /
• 제10권5호
• /
• pp.27-35
• /
• 1991

음소를 인식의 기본 단위로 하는 소규모 음성 인식 시스템을 구현하기 위한 기초 연구로서 마 찰음(/ㅅ, ㅆ, ㅎ/) 과 파찰음(/ㅈ, ㅉ, ㅊ/) 에 대하여 지속시간, 평균패턴, 분산비를 이용하여 각 음소 의 특징을 분석하고 각 음소군 내에서의 식별에 유효한 parameter들을 추출하여 인식 실험을 실시하 였다. 지속시간의 분포, 평균패턴의 분포, 분산비의 분포를 이용하여 분석한 결과 6차원 정도의 cepstrum 계수만으로 마찰음 및 파찰음의 식별이 가능하고, 시간 방향의 정보는 음성의 시단으로부터 14 frame 정도의 특징을 인식 파라미터로 할 경우가 최적임을 알 수 있었다. 이를 이용한 인식실험 결과에서는 조음방법별로 분류된 음소군내의 각 음소에 대한 인식실험의 인식률 보다는 발음방법별 인식실험시의 인식률이 높게 나타나 동일 음소군 내에서의 각 음소에 대한 식별이 더 어려움을 알 수 있었고, 특징 파라미터의 길이를 음성의 시단으로부터 14 frame 정도로 했을 때 조음방법별 인식률은 평균 81.1%, 발음방법별 인식률은 평균 97.9%로 최고의 인식률을 나타내었다. 특징 파라미터의 길이 를 14 frame 이상으로 증가시켜도 인식률은 큰 변화가 없어 분석 결과를 잘 설명하고 있음을 알 수 있었다.

• 한국음향학회지
• /
• 제20권5호
• /
• pp.48-53
• /
• 2001

LPC분석 기반 화자 확인에서 잔여성분(residue) 예측은 보통 무시되고, LPCC(LPC-cepstrum)만이 특징 파라미터로 사용된다. 본 연구에서는 잔여성분으로부터 추출된 예측파라미터인 잔여 켑스트럼(residual cepstrum)을 LPCC와 함께 여러 환경에서 구축된 데이터 베이스에서 화자특징 파라미터로 사용하였다. 또한, 잔여 켑스트럼에 포함되어있는 화자 고유성분인 피치(pitch)성분에 큰 가중치(weighting)를 줌으로써 화자간 변이(inter-speaker variation)가 커지도록 하는 가중치 함수를 제안한다. 실험 결과, LPCC만을 특징 파라미터로 사용하였을 경우보다 잔여 켑스트럼 (RCEP)과 LPCC를 동시에 사용했을 경우 약 6％가량의 인식 오류율이 향상 되었으며, 제안한 가중치 함수를 적용한 잔여 켑스트럼 (RCEP)과 LPCC를 동시에 사용했을 경우 인식 오류율이 가중치를 주지 않은 경우보다 약 2.45％가량 개선되었다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제26권5호
• /
• pp.15-24
• /
• 2020

본 연구에서는 주어진 옷감 시료의 정적 드레이프 모양으로부터 해당 옷감을 시뮬레이션하기 위해 필요한 시뮬레이션 파라미터를 추정하는 데이터 기반 학습법을 제시한다. 정적 드레이프의 모양을 형성하기 위해 의류 산업계에서 옷감을 물성에 따라 분류하기 위해 사용하는 쿠식 드레이프 (Cusick's drape)에서 착안한 방법을 사용한다. 학습 모델의 입력 벡터는 특정 옷감의 정적 드레이프 모양에서 추출한 특징 벡터와 옷감의 밀도 값으로 구성되고, 출력 벡터는 해당 드레이프 결과를 도출하는 여섯가지 시뮬레이션 파라미터로 구성된다. 실제에 가깝고 편향되지 않은 학습 데이터를 생성하고자 먼저 400가지의 실제 니트 옷감에 대한 시뮬레이션 파라미터를 수집하고 이로부터 GMM (Gaussian mixture model) 생성 모델을 만든다. 다음, GMM 확률분포에 따라 대량의 시뮬레이션 파라미터를 무작위 샘플링한다. 샘플링된 각각의 시뮬레이션 파라미터에 대해 옷감 시뮬레이션을 수행하여 가상의 정적 드레이프 결과를 만들고 이로부터 특징 벡터를 추출한다. 생성된 데이터를 로그선형회기(log-linear regression) 모델로 피팅한다. 학습의 수치적 정확도를 검증하고 시뮬레이션 결과의 시각적 유사도를 비교하여 제시된 방법의 유용성을 확인한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (B)
• /
• pp.322-324
• /
• 2006

배경이 움직이는 카메라에서 영상을 획득하여 특징점을 추출하고 특징점을 이용해 영상 좌표계 변환 파라미터를 추정한다. 추정된 파라미터를 이용하여 영상내의 움직이는 물체를 검출하기 위해 카메라의 Ego-motion을 보정하는 영상 좌표계 변환 방법을 소개하고, Ego-motion 보정을 통해 연속된 두 영상에서 움직이는 물체를 검출하는 실험을 수행한 내용의 논문이다.

• 전자공학회논문지CI
• /
• 제37권1호
• /
• pp.11-20
• /
• 2000

본 논문은 도로영상에서 움직이는 물체 추적을 위한 윤곽선 및 형태 파라미터 추출방법을 제안코자 한다. 축소영상에서 차영상 방법을 이용하여 윤곽선을 추출하고 원영상에서 특징을 추출함으로써 추적의 정확성을 높이고자 한다. 사용된 특징은 물체화소의 원분포, 중심모멘트, 최대${\cdot}$최소비이다. 이를 이용하여 데이터 연상문제를 해결하였으며, 실시간 추적을 위하여 칼만필터를 사용하였다. 제안된 알고리즘에 의해 추출된 특징 벡터는 다중 차량 추적에 적합함을 실험을 통해 보였다.